Er det kun store koncerner og finansielle virksomheder, som skal kaste sig over Big Data? Nej – for nu er det efterhånden blevet så tilgængeligt, at der er blevet interessant for mange flere.
Sådan lyder det fra Narendra Mulani, der er global ansvarlig for Accentures’ Analytics-afdeling, og som har et par tips til, hvad der skal til for at få resultater.
»Vi ser mange investeringer i business analytics nu, fordi så mange ting falder sammen nu. Jeg mener, vi er nået til et punkt, hvor mange firmaer har evnerne til at bruge de nye muligheder,« siger han til Version2.
Big Data-bølgen handler om at udnytte de mange datastrømme, der kan hentes ind til analyse og give et hidtil uset overblik eller prognose for fremtiden. Men netop fordi, der er meget vækst på området nu, kan det være svært at gå ud og finde den rette person til at bygge analysefunktionen op.
»Første udfordring er, at der er mangel på talenter på området. Hvis du mener, at du har et langsigtet behov for de kompetencer, kan det være en fordel at have det in-house, i stedet for at bruge eksterne leverandører. Men så skal du også have en karrierevej for dem, for en ting er at tiltrække folk, noget helt andet er at holde fast på dem,« siger Narendra Mulani.
Fordi det er svært at finde erfarne big data-analytikere, kan virksomheder ofte med fordel finde interne kandidater og klæde dem på til opgaven.
»Den perfekte kandidat vil have en klar forståelse af, hvordan forretningen hænger sammen. Kandidaten skal kunne tænke i data og modeller og se, hvordan modellerne kan lægges ned over forretningen,« siger Narendra Mulani.
Det behøver ikke være en med stor teknisk forstand, men man skal kunne forstå, hvordan analytics og big data-teknologier som for eksempel Hadoop-databaser kan bruges til at løfte opgaven, lyder vurderingen. Og store talknuser-evner er heller ikke et krav.
»Så længe det er en, der er tæt på forretningen, behøver det ikke være en matematiker. Men man skal altid være på udkig efter, hvilke informationer der er til rådighed,« siger han.
Skal have data fra alverdens kilder
Næste udfordring for at få projektet på skinner er, at data-inputs kommer fra mange og vidt forskellige kilder. Det er ikke længere bare at stikke snablen ned i firmaets økonomisystem.
»Nu går det videre end de traditionelle datastrømme. Du kan for eksempel bruge data fra internettet, fra sociale medier, herunder interaktioner med kunderne, fra webanalyse af firmaets webside eller GPS-data fra firmaets supply chain, hvis man i forvejen tracker det. Det kan også være voice-data fra samtaler med kunderne,« siger Narendra Mulani.
Netop den slags ustrukturerede datakilder er blevet langt nemmere at få mening ud af på det seneste, fordi værktøjerne er blevet bedre, med Hadoop-databaser og masser af regnekraft bag.
»I mange år var det kun muligt at lave tekstanalyse, hvor man kigger efter mønstre, hvis man brugte dyrt, proprietært udstyr. Men nu er det muligt at putte det i en Hadoop-database og analysere det hele selv. Du behøver ikke kunne teknikken bag Hadoop, så længe du forstår, hvad det kan bruges til,« siger Narendra Mulani.
Forudse fremtiden
Men alle de mange muligheder skal ikke føre til, at man som et barn i en bland-selv-slikbutik vil have lidt af det hele. Sidste store udfordring er nemlig at måle på de rette data, som kan bruges til at skabe mening.
Det kræver en klar idé om, hvad man vil opnå. Og her er det igen vigtigt, at det er en kvik medarbejder, som kender firmaet til bunds, der har kommandoen.
»Du har brug for en intern til at udpege kursen. Så kan du altid gå eksternt, hvis du skal have hjælp til analysen og teknikken,« siger Narendra Mulani.
Det kræver også et blik for, at man i dag ikke bare kan måle på, hvad der er sket, men også bruge analyserne til at forudsige fremtiden.
»Tidligere havde du nogle få scenarier, du regnede på, men nu er det muligt at lave predictive analytics med mange forskellige scenarier, fordi hastigheden er steget,« siger han.
Leave a Reply